Value matters: Predictability of Stock Index Returns
Auteurs : Natascia Angelini, Giacomo Bormetti, Stefano Marmi, Franco Nardini
Résumé : We present a simple dynamical model of stock index returns which is grounded on the ability of the Cyclically Adjusted Price Earning (CAPE) valuation ratio devised by Robert Shiller to predict long-horizon performances of the market. More precisely, we discuss a discrete time dynamics in which the return growth depends on three components: i) a momentum component, naturally justified in terms of agents' belief that expected returns are higher in bullish markets than in bearish ones, ii) a fundamental component proportional to the logarithmic CAPE at time zero. The initial value of the ratio determines the reference growth level, from which the actual stock price may deviate as an effect of random external disturbances, and iii) a driving component which ensures the diffusive behaviour of stock prices. Under these assumptions, we prove that for a sufficiently large horizon the expected rate of return and the expected gross return are linear in the initial logarithmic CAPE, and their variance goes to zero with a rate of convergence consistent with the diffusive behaviour. Eventually this means that the momentum component may generate bubbles and crashes in the short and medium run, nevertheless the valuation ratio remains a good reference point of future long-run returns.
Outils pour cet article
Posez des questions sur cet article à notre assistant IA
Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.
⚠La licence de l'article ne nous permet pas de nous appuyer sur son contenu et l'assistant IA ne peut se servir que des métadonnées de l'article plutôt que de l'article complet.
Le résumé précédent a été créé il y a plus d'un an et peut être réexécuté (si nécessaire) en cliquant sur le bouton Exécuter ci-dessous.
⚠La licence de cet article spécifique ne nous permet pas de nous appuyer sur son contenu et les outils de synthèse seront exécutés en utilisant les métadonnées de l'article plutôt que l'article complet. Cependant, l'outil produira quand même un bon résultat, et vous pouvez également essayer nos outils sur des papiers avec des licences plus ouvertes.
Articles similaires résumés avec nos outils d'IA
Naviguez à travers encore plus d'articles similaires en utilisant une
représentation arborescenteRecherchez des articles similaires (en version bêta)
Nous comparons le titre et le résumé avec les articles indexés dans notre base. Pour les articles arXiv, la recherche porte sur la même catégorie ; pour les DOI et les autres sources, elle couvre toutes les sources et disciplines. Vous pouvez la relancer à mesure que notre base s’enrichit.
Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.